💥太魯閣號事故 #運安會 揭3️⃣大重點
更多最新進展與深入分析,繼續在今晚八點的 #有話好說
▎節目連結|https://youtu.be/pkOqZVME3ro
.
運安會今天首度對外還原 #太魯閣號 重大事故的事發經過,經由公路監視器、工程車紀錄器、列車紀錄器等畫面及資料,初步重建事故過程,也模擬出肇事工程車滑落邊坡的軌跡。
.
不過,運安會強調,目前只能以初步事證描述事發過程,對於各環節的原因分析,還有待檢調繼續釐清。這也為事故成因帶出三大重點:
.
1️⃣ #現場不只一車
公路監視器顯示,肇事工程車在 4 月 2 日上午 8 點 49 分許,經由便道進入工地,車上裝載許多輪胎。工程車紀錄器則顯示,除了該車外,現場還有其他車輛一同進入工地。
.
究竟確切有多少車輛?為何載運輪胎?這是否表示,工地並未如期停工?有待進一步調查。
.
2️⃣ #工程車經彎道後滑落
.
運安會依工程車紀錄器還原滑落軌跡,發現工程車先行經示意圖上的位置 1 ,在彎道於位置 2 卡到樹叢,隨後工程車被熄火,結果卻一路經位置 3、4 往便道邊坡滑落,最後掉在位置 5 ,以頭朝 #和仁隧道 出口的方向,佔據軌道右側,最後遭駛出和仁隧道的太魯閣號「頭對頭」撞上。
.
運安會委員 #李綱 指出,勘查現場發現,便道的彎道地形非常不好過,下坡、彎度大、側傾而且地滑,就連事後到場約 5 到 6 米長的警備車也一度卡住打滑。他也表示,該台重達七噸、車長十米的工程車,是不是應該駛入過彎,值得思考。
.
3️⃣#掉落後僅一分多鐘即撞上
運安會主委 #楊宏智 指出,工程車滑落後,直到太魯閣號迎頭撞上,僅歷時一分多鐘。
.
而根據列車撞擊前的最後紀錄畫面,列車駛出隧道,僅約七秒後(9 點 28 分 47 秒)就撞上工程車。但因軌道彎度以及畫面解析度,尚無法精準判讀司機員在哪個時間點,能夠辨識障礙物。
.
運安會也解讀列車控制監視系統,認為司機員至少在 9 點 28 分 44 秒以前,開始緊急煞車,但遺憾未能避免撞擊事故發生。最後車頭左側撞擊隧道口,並持續向隧道內衝 320 公尺後才停住。
▎太魯閣號事故前最後影像|https://bit.ly/3wyzBOr
.
更多最新進展與深入分析,繼續在今晚八點的 #有話好說
(示意圖/運安會)
.
🚩 八點有話好說,一起來看直播
▎有話YT| https://www.youtube.com/c/PTSTalk
▎有話 IG| https://www.instagram.com/pts.talks/
▎Podcast|https://link.chtbl.com/ptstalk
系統發生樹判讀 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
Ai取代專業? 醫療大數據讓人工智慧有智慧
「科技始終來自人性。」隨著科技發展,人類的生活越來越便利,手機內有人工智慧助手;汽車也有了自動駕駛功能。在醫療領域,也出現許多人工智慧輔助的醫療器材與軟體。到底是科技引領醫療改變,還是醫療帶著科技改變?
2020年慈濟人醫年會,廖威博與台下慈濟人醫會醫療工作者分享:「醫療大數據 人工智慧有智慧」。慈濟醫療法人廖威博顧問說,其實是相輔相成的,醫療有需求,科技就會跟著研發。2020年10月2日是國際人醫年會第二天,廖威博顧問分享現在最熱門的「大數據」如何與醫療結合。
生活中常聽到人工智慧(Artificial intelligence, AI),應用在醫療上便成為醫療人工智慧,到底什麼是醫療人工智慧?廖威博解釋,包含臨床決策輔助系統(Clinical decision support system, CDSS)、知識庫(Knowledge base)、推理引擎(Inference engine)、專家系統(Expert system)、機器學習(Machine learning)都屬於醫療人工智慧的應用。
人工智慧的應用,並不是要取代醫生。廖威博說明臨床決策輔助系統的核心概念,把腦中複雜的判斷寫成決策樹,讓電腦經過IF-THEN ELSE邏輯運算,最後得出診斷結果。以前也曾有許多類似的計畫,但是到了最後都失敗,原因就出在其中的IF-THEN ELSE邏輯到底要怎麼設計,這個關鍵技術是最難的步驟,常導致最後判斷結果失準。
而人工智慧恰好可以補上這個缺口。廖威博以Alpha go為例,在下棋時,人類往往會依據自己的經驗,也就是學過的棋譜,但Alpha go以戰勝為目的,所以它的下一步常常出乎大家的意料之外,心中有棋譜時會窒礙難行,忘掉過去的棋譜,反而讓它可以獲勝。就像Knowledge base也常會被自己的Knowledge所障礙。這也就是所知障,知道得越多,障礙越多,回歸不到初心,就會糾結在每天的事項裡。
慈濟的醫療科技,自1995年開始,健保局推行行政作業電子化、電子病歷,到近幾年發展AI智慧化醫療。由於臨床醫學術語系統(Systematized Nomenclature of Medicine-Clinical Terms, SNOMED CT)推行困難,為提升病歷品質,慈濟今年開始跟華碩合作,整合七家慈濟醫院的醫療大數據與研究數據,用人工智慧開發「慈濟醫療大數據平台」。
結合了大量病歷資料,慈濟醫院的臨床決策輔助系統根據四步驟:風險預估、發生原因、建議行動、模擬結果,用電腦運算做資源評估、選擇治療方向以及預測結果,這套系統可以有效地協助醫生擬定治療計劃。
另一個人工智慧很常應用的地方就是醫療影像判讀,因為速度快,且精準度高。利用GPU(graphic processing unit)去處理大量的像素(pixel)。然而,廖威博說,若投入資源研發醫療影像判讀,只能判斷影像,若是可以把人工智慧應用在整合各種醫學檢驗報告與影像資料來協助病情判斷,可以發揮更大的功能。慈濟醫療志業與華碩合作開發的人工智慧早期肺癌偵測系統,採用最新的AI演算法,能將醫師原本需要花十分鐘仔細判讀的時間,降低至一分鐘內。
人工智慧的另一個好處,是可以橫向連結。建立數據庫之後,提供醫生電子病歷智慧搜尋服務,讓他們可以抽絲剝繭,找出某些疾病與其他病徵之間是否有關聯。慈濟醫院也利用人工智慧模型整合HIS系統,包括護理站的電子白板、每日查房的紀錄,達到訊息同步,協助醫護人員注意再住院風險高的病患等。
由於每天工作非常忙碌,常常產生許多煩惱,廖威博分享,學會轉念讓他可以去除煩惱,找回自己最初的目標。人工智慧協助醫生找出病因,是從繁雜的數據中理出邏輯。日常生活中,我們也常有許多煩惱縈繞於心。人工智慧不僅「人工」,還很有「智慧」,教會我們在繁瑣中不被舊觀念所影響,堅持對的事情做就對了。
附圖:▲▼廖威博與慈濟人醫會分享運用醫療大數據,讓人工智慧有智慧。(圖/慈濟基金會提供)
圖/慈濟基金會提供、文/林佳予
資料來源:
https://www.ettoday.net/news/20201003/1823637.htm#ixzz6a5IY9HsK
系統發生樹判讀 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
Ai取代專業? 醫療大數據讓人工智慧有智慧
「科技始終來自人性。」隨著科技發展,人類的生活越來越便利,手機內有人工智慧助手;汽車也有了自動駕駛功能。在醫療領域,也出現許多人工智慧輔助的醫療器材與軟體。到底是科技引領醫療改變,還是醫療帶著科技改變?
2020年慈濟人醫年會,廖威博與台下慈濟人醫會醫療工作者分享:「醫療大數據 人工智慧有智慧」。慈濟醫療法人廖威博顧問說,其實是相輔相成的,醫療有需求,科技就會跟著研發。2020年10月2日是國際人醫年會第二天,廖威博顧問分享現在最熱門的「大數據」如何與醫療結合。
生活中常聽到人工智慧(Artificial intelligence, AI),應用在醫療上便成為醫療人工智慧,到底什麼是醫療人工智慧?廖威博解釋,包含臨床決策輔助系統(Clinical decision support system, CDSS)、知識庫(Knowledge base)、推理引擎(Inference engine)、專家系統(Expert system)、機器學習(Machine learning)都屬於醫療人工智慧的應用。
人工智慧的應用,並不是要取代醫生。廖威博說明臨床決策輔助系統的核心概念,把腦中複雜的判斷寫成決策樹,讓電腦經過IF-THEN ELSE邏輯運算,最後得出診斷結果。以前也曾有許多類似的計畫,但是到了最後都失敗,原因就出在其中的IF-THEN ELSE邏輯到底要怎麼設計,這個關鍵技術是最難的步驟,常導致最後判斷結果失準。
而人工智慧恰好可以補上這個缺口。廖威博以Alpha go為例,在下棋時,人類往往會依據自己的經驗,也就是學過的棋譜,但Alpha go以戰勝為目的,所以它的下一步常常出乎大家的意料之外,心中有棋譜時會窒礙難行,忘掉過去的棋譜,反而讓它可以獲勝。就像Knowledge base也常會被自己的Knowledge所障礙。這也就是所知障,知道得越多,障礙越多,回歸不到初心,就會糾結在每天的事項裡。
慈濟的醫療科技,自1995年開始,健保局推行行政作業電子化、電子病歷,到近幾年發展AI智慧化醫療。由於臨床醫學術語系統(Systematized Nomenclature of Medicine-Clinical Terms, SNOMED CT)推行困難,為提升病歷品質,慈濟今年開始跟華碩合作,整合七家慈濟醫院的醫療大數據與研究數據,用人工智慧開發「慈濟醫療大數據平台」。
結合了大量病歷資料,慈濟醫院的臨床決策輔助系統根據四步驟:風險預估、發生原因、建議行動、模擬結果,用電腦運算做資源評估、選擇治療方向以及預測結果,這套系統可以有效地協助醫生擬定治療計劃。
另一個人工智慧很常應用的地方就是醫療影像判讀,因為速度快,且精準度高。利用GPU(graphic processing unit)去處理大量的像素(pixel)。然而,廖威博說,若投入資源研發醫療影像判讀,只能判斷影像,若是可以把人工智慧應用在整合各種醫學檢驗報告與影像資料來協助病情判斷,可以發揮更大的功能。慈濟醫療志業與華碩合作開發的人工智慧早期肺癌偵測系統,採用最新的AI演算法,能將醫師原本需要花十分鐘仔細判讀的時間,降低至一分鐘內。
人工智慧的另一個好處,是可以橫向連結。建立數據庫之後,提供醫生電子病歷智慧搜尋服務,讓他們可以抽絲剝繭,找出某些疾病與其他病徵之間是否有關聯。慈濟醫院也利用人工智慧模型整合HIS系統,包括護理站的電子白板、每日查房的紀錄,達到訊息同步,協助醫護人員注意再住院風險高的病患等。
由於每天工作非常忙碌,常常產生許多煩惱,廖威博分享,學會轉念讓他可以去除煩惱,找回自己最初的目標。人工智慧協助醫生找出病因,是從繁雜的數據中理出邏輯。日常生活中,我們也常有許多煩惱縈繞於心。人工智慧不僅「人工」,還很有「智慧」,教會我們在繁瑣中不被舊觀念所影響,堅持對的事情做就對了。
附圖:▲▼廖威博與慈濟人醫會分享運用醫療大數據,讓人工智慧有智慧。(圖/慈濟基金會提供)
圖/慈濟基金會提供、文/林佳予
資料來源:
https://www.ettoday.net/news/20201003/1823637.htm…
系統發生樹判讀 在 生態演化寫作俱樂部| 經常有人說相思樹是外來種 - Facebook 的推薦與評價
不要再質疑了,相思樹在日據時代以前就已經是全台森林的重要樹種。相思樹屬(Acacia)原本是一大屬涵蓋有約1,400種,最近的分類將它拆成5個屬,台灣 ... ... <看更多>
系統發生樹判讀 在 Re: [求救] 有關分子演化分析的樹狀圖- 看板Biotech 的推薦與評價
感謝 george104 與我討論,我將他的回答整理如下,方便以後版友可以了解
============================以下是解釋=======================================
Bootstrap value 是一種統計上的數值
代表著若將一堆物種的同源基因片段拿去跑親緣關係樹
你看到親緣樹上有 A B 兩個物種被分在一起
但你怎麼確定這樣的分法是真的??
這時 Bootstrap value 就是告訴你這種分法的可信度是多少
他的方法是 (這段就看你要不要了解)
從一組數條同源序列的資料中 (假設這組序列整理完後長度是 300 bp)
隨機選取當中一排序列 (他是垂直選取喔,那種感覺就像是你拿一根吸管插進一塊蛋糕)
組成一組同樣長度 300 bp 的"假資料", 之後再用這組資料繪製一棵虛擬的親緣樹
再來看這棵虛擬樹上, A B 兩物種是不是也會在一起
重複做個幾百幾千次, 在統計這幾百幾千棵虛擬樹中, A B 兩物種還在一起的樹有幾棵
之後就變成你所看到的 Bootstrap value
再來關於你說的演化距離, 他代表 A B 兩物種關係的程度為何
看法是看親緣樹上的水平距離, 垂直距離是沒有意義的
你所框起來的那個部分, 你可以想像他是一條比例尺
用來表示水平距離的長度大小
============================以下為問答整理============================
另外我還問了 g大 一些問題 ,整理如下:
1. 你看 紅色圈圈 的Bootstrap value是88 (這應該是指百分比),
而下面卻有一個100,為什麼會這樣呢?為何不是 88 及 12呢?
Ans: 因為每個分支的統計結果都是獨立的, 不能加減乘除
畫個示意圖給你看, 假設有 A B C D E 五個物種, 他們的關係為
88 ------A
------l
100 l ------B
---------l
l l
l l 90 ------C
l ------l
l ------D
l
l
----------------------E
由圖我們可以看到 A B 物種的關係很近, bootstrap value = 88
C D 兩物種的關係很近, bootstrap value = 90
那相對 E 物種來說, A B C D 四個物種關係是最近的, value = 100
其實親緣樹的建構是一層一層的, 如果你看樹有點吃力的話
建議當你在看整棵樹的時候, 可以把他想像成 A-B 合體物種與 C-D 合體種
他們的關係是很靠近的, 有 bootstrap value = 100 去支持
這代表, 不管你做多少組"假資料", 所繪製出來的虛擬樹都是呈現相同的結果
然後你在一層一層的解析下去, 你就知道這個親緣樹要告訴你什麼了
2. 我想知道 怎麼判斷 A跟 B 是 在同一分支上呢? 是看序列的相似性還是?
我的意思是指
-----A
---- |
-----B
Ans:
其實是看你所用的同源基因片段序列片段的相似性
相似性越高, 當程式在運算時就越有可能將他們分在一塊
3. 演化距離怎麼看?
Ans:
畫個示意圖給你看, 假設有 A B C D E 五個物種, 他們的關係為
88 ------A
------l
100 l ------B
---------l
l l
l l 90 ------C
l ------l
l ------D
l
l
----------------------E
0.1
假設 演化距離 是 |-----|
==> 假如我想知道 A C 兩物種的關係有多遠
那他的演化距離就是標紅色的線條(就是我所謂的水平距離)加起來的長度
==============================以下是附註==============================
另外,最近狂犬病很夯,而防檢局也使用了分子演化分析來比較不同地區狂犬病毒的
親緣關係,然後剛好看到有一篇文章也在介紹 分子演化樹(又稱系統發育樹)
文章在此 https://0rz.tw/jMBrJ
--
當他們關掉MegaUpload的時候, 我保持沉默;我還有FileSonic。
當他們關掉FileSonic的時候, 我保持沉默;我還有FileServe。
當他們關掉FileServe的時候, 我保持沉默;我還有MediaFire。
當他們關掉MediaFire的時候, 我保持沉默;我還有BT。
當他們關掉BT伺服器的時候, 我已一無所有了。
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.120.104.161
※ 編輯: TW185930 來自: 140.120.104.161 (08/07 22:57)
... <看更多>